Eval Report: ci-pr-smoke

Profile: gdm-swebench-lite-v1 | Tasks: 2 | Pass rate: 100.0% | Cost: $0.0020

Task ID	Band	Score	Passed	Cost
python-security-fix-easy-001	easy	0.740	✓	$0.0010
typescript-security-fix-easy-001	easy	0.740	✓	$0.0010

Leaderboard Snapshot

Latest run: c9ffe21e-8586-4557-b6aa-3104e2c20287 | Latest model: coder | Latest score: 0.740 | Recorded at: 2026-05-23T18:27:35.047201+00:00

Recent Trend

Run ID	Model	Git SHA	Score	Created
c9ffe21e-8586-4557-b6aa-3104e2c20287	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:27:35.047201+00:00
2e2cbfce-ec75-4082-b285-194ddb985cf6	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:27:34.971123+00:00
84a3756b-64c2-47be-8443-8f72270533f9	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:27:34.210939+00:00
92194afa-6eb2-471e-b9f4-4a91b2c28b72	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:27:34.152999+00:00
ca819bfe-a7a2-446b-8744-070435ed3ebc	coder	4669773b4fbe9d507f1396f38777a1b36998faf3	0.740	2026-05-23T18:27:34.082956+00:00

Failure Breakdown

Taxonomy	Failures	Bar
wrong-logic	2649	#########################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Taxonomy

Failures

Bar

wrong-logic

2649

#########################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################################

Recent Failures

Run ID	Task ID	Taxonomy	Score	Cost	Created
c9ffe21e-8586-4557-b6aa-3104e2c20287	typescript-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:27:35.047201+00:00
2e2cbfce-ec75-4082-b285-194ddb985cf6	python-security-fix-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:27:34.971123+00:00
84a3756b-64c2-47be-8443-8f72270533f9	python-recovery-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:27:34.210939+00:00
92194afa-6eb2-471e-b9f4-4a91b2c28b72	typescript-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:27:34.152999+00:00
ca819bfe-a7a2-446b-8744-070435ed3ebc	python-config-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:27:34.082956+00:00
6ed26f69-29d3-44b5-badf-92eef0d60212	typescript-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:27:34.023973+00:00
a6b54316-3a4a-43e7-9232-4572b7086057	python-refactor-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:27:33.940102+00:00
8421c58a-7e8f-44e8-97e9-7acc0f68a48a	typescript-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:27:33.884018+00:00
b9163bdb-db27-46d5-ba2e-d05ab82c93a5	python-multi-file-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:27:33.816678+00:00
61c61795-b00c-4aa7-ae49-d9c3a1846cfc	typescript-test-writing-easy-001	wrong-logic	0.740	$0.0010	2026-05-23T18:27:33.756208+00:00

Cost Frontier

pass_rate vs cost_usd (Pareto frontier marked with *)
* [####################] 100.0% @ $0.0038  (coder)